Vol VII(2).indd

© Prensa Médica Latinoamericana 2013 - ISSN 1688-4094
Ciencias Psicológicas 2013; VII (2): 183 - 197
INTERPRETACIÓN DEL WISC-IV. PUNTUACIONES COMPUESTAS Y MODELOS CHC
WISC-IV SCORING AND CHC-BASED INTERPRETATIVE APPROACHES
María Elena Brenlla
Centro de Investigaciones en Psicología y Psicopedagogía (CIPP), Argentina
Universidad Católica Argentina
Resumen: Los objetivos de este artículo fueron valorar si la adaptación argentina de la Escala de
Inteligencia de Wechsler para Niños, cuarta edición WISC-IV (Taborda, Brenlla y Barbenza, 2011), evalúa
los mismos constructos en distintos grupos de edad, analizar si la estructura de puntuaciones compuestas
de cuatro dominios específicos y un factor general postulada por los autores del WISC-IV se replica en
nuestro medio y evaluar dos modelos alternativos basados en la teoría de Cattel-Horn-Carroll (CHC). Se
llevaron a cabo estudios de Análisis Factorial Confirmatorio de las puntuaciones obtenidas (n = 1437).
Los resultados indican que el WISC-IV evalúa los mismos constructos en distintas edades, que tanto la
estructura de puntuaciones compuestas propuesta en el WISC-IV como uno de los modelos CHC son
significativos para interpretar las puntuaciones del test y que la varianza explicada es similar en ambos
modelos. El WISC-IV evalúa habilidad cristalizada, procesamiento visual, razonamiento fluido, memoria
de corto plazo y operativa y procesamiento visual. En particular, se ha notado que el razonamiento fluido
y el procesamiento visual pueden evaluarse por separado o combinados como razonamiento perceptivo.
Palabras Clave: inteligencia, niños, interpretación, puntuaciones compuestas
Abstract: The validity of WISC-IV current four-factor scoring structure and the Cattel-Horn-Carroll
(CHC) theory-based models of the Wechsler Intelligence Scale for Children-Fourth Edition (WISC-IV)
we investigated by the application of confirmatory factor analysis of scores from the argentine WISC-IV
standardized sample (n = 1437). Results reveal that the WISC-IV measures the same constructs across
age, the resulting interpretation could be applied to children with various age levels. Both the four-factor
structure and the alternative CHC-based model were supported. Variance explained was similar across
models. The WISC-IV measures crystallized ability, visual processing, fluid reasoning, working memory
and processing speed. In particular, either separating fluid reasoning and visual processing, or combining
them as the Perceptual Reasoning Index provides meaningful explanation.
Keywords: intelligence, children, interpretation, composite scores
Introducción
Es conocida la importancia que la
psicometría tiene para la psicología. En la
psicología experimental, proveyendo de la
construcción de procedimientos –escalas- para
la medición de estímulos; en la psicología
diferencial, proponiendo modelos para la
cuantificación de las diferencias individuales de
los sujetos en rasgos, atributos y/o conductas
(Martínez Arias, 1996). Un aspecto esencial
es la construcción de tests que posibiliten la
medición y la estimación válida y confiable
de esas diferencias individuales ya que esto
tiene gran impacto tanto en el ámbito de la
investigación cuanto en la psicología aplicada,
en particular en la evaluación psicológica (EP).
Entre los tests de los que se vale la EP se
destacan los psicométricos caracterizados por
refinamientos metodológicos y tecnológicos
que ayudaron enormemente a la precisión y
validez de las medidas con ellos realizados.
Esto permitió, por una parte, una evaluación
más ajustada de los rasgos, atributos o
características que medían y, por otra,
profundizar y ampliar el campo de la
investigación de variables psicológicas. Un
subgrupo son los tests de ejecución máxima
que evalúan atributos cognitivos a través de
tareas de rendimiento.
Correspondencia: María Elena Brenlla. Facultad de Psicología y Psicopedagogía, Universidad Católica Argentina
Correo Electrónico: [email protected]
183
Ciencias Psicológicas 2013; VII (2): 183 - 197
Mediante ellos se ha logrado no solo
contribuir a un mejor diagnóstico de trastornos
relacionados –tales como el retraso y el talento
intelectuales o los trastornos de aprendizaje–
sino también han posibilitado inferencias
teóricas sustantivas a partir del análisis e
interpretación de métodos factoriales. Esto
ha dado lugar a lo que se conoce como el
enfoque psicométrico para la explicación de la
inteligencia (Cohen y Swerdlick, 2000).
Fue Spearman (1904, 1927) quien estableció, en los albores del siglo XX, una teoría
de la inteligencia y un método para probarla –el
análisis factorial– cuyos postulados básicos
han mostrado consistencia y robustez hasta
la actualidad. Spearman pensó una teoría que
se caracteriza por su parsimonia: esto es, con
pocas variables se explica un gran dominio
de conocimiento. Esencialmente, consideraba
que en cualquier habilidad intelectual pueden
distinguirse –al menos formalmente- un factor
general (g) de la inteligencia y otro específico.
El factor general se caracteriza por mantenerse
constante en cada individuo aunque puede
variar dentro de márgenes muy amplios de un
sujeto a otro. En cambio, los específicos, varían no solo entre los diversos individuos sino
también en el mismo sujeto conforme a qué
aptitud está siendo examinada. Con el tiempo,
comprendió que entre algunas habilidades
específicas –como la de memorizar sílabas y
números– era posible establecer grupos extensos de tareas próximamente relacionadas.
Spearman llamó factores de grupo a aquellas
características que están presentes en más de
una habilidad pero no en todas y que expresan alguna afinidad entre las integrantes de
un conjunto. Gran parte del debate sobre la
evaluación intelectual durante los últimos 60
años se ha centrado en la existencia de este
aspecto global subyacente de la inteligencia
que influye en el desempeño del individuo a
través de dominios cognitivos (Gustafsson &
Undheim, 1996; Jensen, 1998).
Unas décadas más tarde que Spearman,
Cattell (1941, 1957) introdujo la noción que la
inteligencia estaba compuesta por dos factores, la inteligencia fluida y la cristalizada. La primera relacionada con la actuación intelectual
ante problemas novedosos y, la segunda, con
el conocimiento adquirido. Luego, su discípulo y colega Horn amplió esta teoría e incluyó
factores tales como la percepción visual, la
184
memoria de corto plazo y el almacenamiento y
recuperación a largo plazo, entre otros (Horn,
1985, 1988, 1991; Horn & Noll, 1997).
Después de varias décadas de investigación, las ideas de Cattell y Horn en cuanto a
dominios más específicos de la inteligencia han
recibido un apoyo empírico sustancial. Carroll
(1993, 1997), en su ya clásica revisión, comparó los resultados de distintos análisis factoriales de las medidas de habilidades cognitivas
existentes y concluyó que la evidencia de un
factor general de inteligencia era abrumadora.
Al mismo tiempo, indicó que la inteligencia
tiene una estructura jerárquica y que se compone de habilidades específicas que parecen
agruparse en dominios de habilidad cognitiva
de nivel superior (Carroll, 1993; Keight, 1990).
La confluencia de la teoría de la inteligencia fluida y cristalizada de Cattell y Horn y de
la concepción jerárquica de Carroll se plasmó
en lo que hoy conocemos como la teoría CHC.
Ésta versa acerca del contenido y la estructura
de la inteligencia y sostiene que las habilidades
intelectuales se organizan en tres estratos,
un estrato próximo (narrow strata), un estrato
amplio (broad strata) y un estrato general. La
CHC fue revisada y ampliada sobre la base de
los estudios de McGrew y Flanagan (1998) y
McGrew (2009), en la actualidad, hay consenso
en considerar que el primer estrato está constituido por 70 componentes que se subsumen
en habilidades amplias del segundo estrato, a
saber, inteligencia cristalizada, razonamiento
fluido, procesamientos visual y auditivo, memoria de corto plazo, recuperación a largo plazo,
velocidad de procesamiento, conocimiento
cuantitativo y habilidades para la lectura y la
escritura. Según la revisión de McGrew (2009)
y de Schneider y McGrew (2012), en este estrato deberían incluirse también la velocidad
para la reacción y la decisión, la velocidad psicomotora, el conocimiento de dominios específicos y las habilidades táctiles, cinestésicas,
olfatorias y psicomotoras. De esta manera, el
estrato II incluye 16 habilidades. Éstas, a su
vez, se condensan en el tercer estrato que, en
términos psicométricos, se corresponde con g.
En forma paralela a esta línea de investigaciones y también inspirado en las concepciones de Spearman, Wechsler (1939) había
definido a la inteligencia como “la capacidad
global y agregada de un individuo para actuar
con una finalidad, pensar racionalmente y re-
WISC-IV puntuaciones compuestas y modelos CHC
lacionarse adecuadamente con el entorno” (p.
3). Sobre la base de estos supuestos, creó sus
mundialmente conocidos tests de inteligencia
(Wechsler Adult Intelligence Scale –WAIS–;
Wechsler Intelligence Scale for Children –
WISC–; Wechsler Preschool and Primary Scale
of Intelligence –WPPSI–). Para el diseño de
sus tests, Wechsler seleccionó y desarrolló
medidas destinadas a evaluar los aspectos
cognitivos de la inteligencia que consideró más
relevantes: comprensión verbal, razonamiento
abstracto, organización perceptual, razonamiento cuantitativo, memoria y velocidad de
procesamiento. Las teorías y las medidas de
inteligencia más modernas han confirmado que
todas esas áreas reflejan aspectos importantes
de la habilidad cognitiva (Carroll, 1993, 1997;
Horn, 1991).
Algunos investigadores han deducido
que Wechsler consideraba que la estructura
de la inteligencia tenía dos factores y que
por eso dividió sus tests en tareas verbales y
de ejecución (Wechsler, 2003). Aunque este
agrupamiento fue de naturaleza racional y no
psicométrica dio lugar, en las versiones anteriores del Test de Inteligencia para Niños de
Wechsler (WISC, WISC-R, WISC-III), a tres
Cocientes Intelectuales (CI): Verbal (CIT), de
Ejecución (CIE) y Total (CIT).
No obstante, en la revisión más reciente
–WISC-IV– se eliminaron los CI verbal y de ejecución, se incrementó la medición de dominios
de funcionamiento cognitivo más específicos
–velocidad de procesamiento (VP), memoria
operativa (MO), comprensión verbal (CV) y
razonamiento perceptivo (RP)– y se mantuvo
la evaluación de la inteligencia global a través
de un cociente intelectual total.
Estos cambios en el WISC-IV, que son de
un tenor muy importante, obedecen indudablemente al aggiornamiento del test a los hallazgos de la teoría CHC habida cuenta que, en
términos estrictos, no hay una teoría formal que
sustente a las escalas Wechsler más que la
asunción general de los postulados de Spearman. Por otro lado, no hay que olvidar que la
CHC ha tenido la suficiente consistencia como
para servir de fundamento a otros tests de
inteligencia o de habilidades cognitivas como
el Stanford-Binet Fifth Edition (Roid, 2003) o
el Woodcock-Johnson Test of Cognitive Abilities III (Woodcock, McGrew & Mather, 2001).
Ya la evidencia obtenida de investigaciones anteriores con el WISC-III indicaba
que éste medía cuatro dominios cognitivos:
Comprensión Verbal, Organización Perceptiva, Ausencia de Distractibilidad y Velocidad
de Procesamiento (Blaha & Wallbrown, 1996;
Sattler, 2001; Wechsler, 1991). Debido a que
el WISC-IV retiene diez subtests de la edición
anterior y agrega cinco subtests nuevos diseñados para medir constructos similares, se
esperaba que el WISC-IV midiera los mismos
cuatro dominios cognitivos.
Para probar esta hipótesis, los autores del
WISC-IV llevaron a cabo estudios factoriales
exploratorios y confirmatorios. Basándose
en la teoría, la investigación y los resultados
de los análisis factoriales exploratorios pudo
evaluarse el modelo factorial propuesto para
el WISC-IV utilizando modelos de ecuación
estructural (Jöreskog & Sörbom, 1993). El
análisis factorial confirmatorio está diseñado
para testear la estructura interna especificada
por los investigadores. En este sentido, es
diferente del exploratorio ya que la agrupación
de subtests se realiza a priori y no por medio
de un algoritmo. Las relaciones específicas
entre las variables observadas (por ejemplo los
subtests) y las variables latentes (por ejemplo,
Comprensión Verbal) se indican previamente
y ese modelo se testea para determinar si las
relaciones entre las variables observadas y las
latentes confirman la estructura sobre la que
se hizo la hipótesis. En el estudio norteamericano con el WISC-IV se testearon diferentes
modelos de entre uno y cinco factores y se
compararon entre sí para evaluar su estructura
factorial y las evidencias de validez interna.
Todos los modelos asumieron que los factores
pueden tener correlación y que los errores no
tenían correlación entre sí.
Los resultados reportados por los autores del WISC-IV (Wechsler, 2003) sugieren
que los modelos de 4 y 5 factores se ajustan
bien a los datos. Sin embargo, los referidos
al modelo 5 no indican una mejora sustancial
sobre el modelo 4 y tienen el inconveniente
de que plantean un factor compuesto por un
solo subtest (Aritmética). De acuerdo a ello, la
hipótesis de cuatro dominios bien diferenciados
de la inteligencia resultó más consistente y
recibió un sustento muy satisfactorio luego de
realizados dichos análisis (Wechsler, 2003).
185
Ciencias Psicológicas 2013; VII (2): 183 - 197
La Figura 1 muestra la estructura interna
definitiva del WISC-IV.
Figura 1. Estructura del WISC-IV (Wechsler, 2003)
No obstante, Keith, Fine, Taub, Reynolds &
Kranzler (2006) han objetado esta estructura de
cuatro dominios específicos en el WISC-IV. En
su artículo Análisis de primer orden, con muestras múltiples, análisis factorial confirmatorio del
WISC-IV: qué es lo que se evalúa?1 reseñan
un estudio realizado a partir de la muestra norteamericana cuyos objetivos fueron analizar si
el test evalúa los mismos constructos en los
distintos rangos de edad y contribuir a la explicación de la naturaleza de ellos.
Los resultados que obtuvieron indicaron
que si bien el WISC-IV evaluaba los mismos
atributos en las distintas edades, no obstante, la estructura de puntuaciones del test se
ajustaba mejor a un modelo alternativo basado
en la teoría CHC que al de los cuatro dominios específicos postulado por los autores del
WISC-IV (Comprensión verbal; Razonamiento
perceptivo; Memoria operativa y Velocidad de
procesamiento).
El modelo que propusieron Keith et al.
(2006) sugiere que el WISC-IV mide aspectos
de la inteligencia cristalizada, del procesamiento
visual, del razonamiento fluido, de la memoria de
corto plazo y de la velocidad de procesamiento.
Por esta razón, recomiendan que los usuarios
del WISC-IV reagrupen la interpretación de los
subtests de Razonamiento perceptivo y de Aritmética tal como lo muestra la Figura 2. En ésta
puede notarse que la novedad del modelo de
Keith consiste en reubicar en distintos dominios
a los subtests de Completamiento de figuras,
Aritmética, Búsqueda de símbolos y Matrices,
ya que estas pruebas son las que, en el análisis
1 (Higher Order, Multisample, Confirmatory Factor Análisis of
the Wechsler Intelligence Scale for Childrem – Fourth Edition:
What Does It measure?)
186
factorial, presentaron cargas compartidas en
esos distintos factores.
Unos años más tarde, Chen, Keith, Chen
y Chang (2009), replicaron la investigación de
Keith et al. (2006) a partir de los datos de la
muestra taiwanesa del WISC-IV. Los resultados coincidieron en cuanto que el test evalúa
los mismos constructos a través de las distintas edades pero difirieron claramente respecto
de la supremacía del modelo CHC y aún de la
estructura de subtests que la componen. De
acuerdo a los hallazgos de Chen et al. (2009)
ambos modelos –el de la estructura de cuatro
factores del WISC-IV y el modelo alternativo
CHC– recibieron un sustento empírico satisfactorio. La varianza explicada fue similar
en ambos y tanto uno como otro proveyeron
de explicaciones significativas acerca de la
organización interna del test. No obstante,
la estructura factorial según criterios CHC
no coincidió con la obtenida por Keith. En la
Figura 2 se muestra la estructura obtenida
por Chen et al. (2009). Las diferencias más
importantes son en cuanto al razonamiento
fluido, la inteligencia cristalizada y el procesamiento visual. Concomitantemente, los
subtests Completamiento de figuras (CF),
Aritmética (Ar), Búsqueda de símbolos (BS),
Semejanzas (S) y Matrices (M) presentaron
cargas compartidas en distintos factores. Por
ejemplo, según el estudio de Keith et al. (2006)
M tiene cargas compartidas en procesamiento
visual y razonamiento Fluido; CF, en procesamiento visual e inteligencia cristalizada y Ar,
en memoria de trabajo y razonamiento fluido.
Por el contrario, en el estudio de Chen et al.
(2009), Matrices carga solo en el segundo, CF
solo en procesamiento visual y Ar en memoria
de trabajo e inteligencia cristalizada pero no
en razonamiento fluido.
En consecuencia, el análisis de las puntuaciones sobre la base del modelo CHC y
sobre la estructura de cuatro factores del
WISC-IV (CIT e Índices CV, RP, MO y VP)
son de interés para analizar e interpretar los
resultados del test en ambos estudios aunque sus resultados difieren de los hallados
por Keith et al. (2006) no solo en cuanto a la
supremacía de la teoría CHC para explicar las
puntuaciones del WISC-IV sino también a la
estructura de su modelo CHC.
Como es lógico, este tipo de resultados
divergentes interpelan las evidencias de la
validez de la estructura interna de las pun-
WISC-IV puntuaciones compuestas y modelos CHC
Figura 2. Estructura del WISC-IV según la teoría CHC (Keith et al., 2006 y Chen et al., 2009)
tuaciones del test. Y, con ello, la calidad de las
inferencias psicológicas que pueden hacerse a
partir de sus resultados. No debe olvidarse que
muchos tests, como es el caso del WISC-IV,
brindan información que puede ser relevante
para la toma de decisión en psicología aplicada
(clínica, educacional, forense, entre otras). Su
administración permite al psicólogo evaluar la
habilidad intelectual de niños y adolescentes y
es uno de los elementos de juicio que se tienen
en cuenta para indicar la educación especial, la
pertinencia de una intervención psicopedagógica o la derivación a otras especialidades como
la neurología o la psicología clínica (Wechsler,
2004). Por ende, resulta crucial contar con
estudios que avalen que la estructura interna
del test responde a una concepción clara de la
inteligencia y no a una construcción pseudoética (Marín, 1986; Triandis et al., 1980), en la
que se aceptan como válidas y universales las
inferencias realizadas en otros contextos sin el
debido análisis en la cultura en la que se quiere
adaptar un test.
En vista de estos antecedentes y de la importancia que tiene el estudio de los supuestos
teóricos sobre los que se fundamenta un test,
los objetivos de este artículo son (a) valorar si en
la adaptación argentina del WISC-IV (Taborda,
Brenlla y Barbenza, 2011) se evalúan los mismos constructos en distintos grupos de edad,
tal como ocurre en la versión norteamericana,
(b) analizar si la estructura de puntuaciones
compuestas de cuatro dominios específicos y
un factor general postulada por los autores del
WISC-IV se replica en nuestro medio y (c) poner
a prueba los modelos alternativos basados en la
CHC propuestos por Keith et al. (2006) y Chen
et al. (2009).
Método
Tipo de estudio y diseño
Se trata de un estudio de naturaleza inferencial con diseño transversal que se sirve de
métodos estadísticos específicos para el estudio
de las evidencias de validez interna del WISC-IV
en el que se comparan distintos modelos para la
explicación de su estructura interna. Se utilizaron modelos de ecuaciones estructurales para
analizar los objetivos propuestos. A continuación
se describen los modelos operativos utilizados
en este estudio.
Grupos de edad
Los datos se reagruparon en cuatro categorías de edad: 6-7 años / 8 a 10 años / 11 a
13 años / 14 a 16 años.
187
Ciencias Psicológicas 2013; VII (2): 183 - 197
Modelo de Puntuaciones Compuestas del
WISC-IV
Para el agrupamiento de los subtests,
véase la Figura 1.
Modelos de Cattel-Horn-Carroll (CHC).
Modelo de Keith et al. (2006) y de Chen et
al. (2009): Para el agrupamiento de cada uno
de los modelos, véase la Figura 2.
Muestra
El estudio para la tipificación del WISC-IV
fue diseñado para reflejar la población infantojuvenil de las edades comprendidas entre los
6 y 16 años del Área Metropolitana de Buenos
Aires (AMBA). En el diseño del plan de muestreo
se consideraron tres variables para la estratificación, el sexo, la edad, y la zona.
Se consultaron los datos del Censo (Instituto Nacional de Estadísticas y Censos [INDEC],
2001) acerca de la población escolar de 6 a
16 años en cada región y, sobre esta base,
se calculó para cada uno de los 11 grupos de
edad la cantidad de casos necesarios según
sexo, edad y región que debían recolectarse.
Para cada grupo de edad, se consideran tres
subgrupos clasificados de a tres meses, por
ejemplo, 6:0 a 6:3/ 6:4 a 6:7/ 6:8 a 6:11, con
cantidad semejante de casos en cada subgrupo.
Se establecieron como criterios de
exclusión a los siguientes: (a) haber sido
evaluado mediante cualquier instrumento
de medición de inteligencia en los últimos 6
meses; (b) dificultades visuales y auditivas
sin corregir o limitantes; (c) falta de fluidez
verbal; (c) fallos severos en la expresión
verbal o de comunicación; (d) problemas
motores en extremidades superiores; (e)
estar en tratamiento psiquiátrico, psicológico
o psicofarmacológico y (f) diagnóstico previo
de alguna enfermedad que pueda disminuir el
desempeño en el test.
Entre diciembre de 2009 y noviembre de
2010 se recolectaron los 1485 casos estipulados pero 48 debieron ser desechados por
datos incompletos o fallos en la administración o
puntuación. Por tal razón la muestra final fue de
1437 casos. De estos, el 50.4% fueron niñas y
el 49.6%, niños. La cantidad de casos por franja
de edad osciló entre 120 y 142 y, en cuanto a
la zona de residencia, el 34.9% fue de partidos
de la zona sur, el 34.7% de la zona norte y el
30.2 de la zona oeste del Gran Buenos Aires.
188
Aunque no fue un criterio para la estratificación, es interesante notar los datos acerca del
nivel educativo del adulto a cargo del niño –que,
en lo usual, es la madre o el padre– ya que es
un buen indicio del nivel socioeconómico del
hogar. En nuestro estudio, consideramos aquellos casos en los que el registro de la educación
se comparecía con las categorías globales
de cantidad de años de estudios aprobados
del INDEC (2004) (n = 1053) y se eliminaron
aquellos cuyo registro fue confuso o incompleto
(n = 391). Así, se relevaron 14 casos con menos
de 4 años de estudios (1.4%), 84 casos con 4 a
6 (8.3%); 288 con entre 7 y 9 años de educación
(27.3%); 344 con 10 a 12 años (32.6%) y 293
con más de 13 años de estudios (27.8%). El
análisis de los datos sugiere una concordancia
importante entre los datos promedio suministrados por el INDEC (4.5%, 6.1%, 34.3%, 31,4% y
25.4%, respectivamente) y los obtenidos en la
muestra de tipificación, ya indicados. De esta
manera puede considerarse que se ha logrado una buena representación de la población
infanto-juvenil del AMBA, en especial en cuanto
al sexo, la edad, el nivel educativo de los padres
y la región de residencia.
Técnicas e instrumentos de recolección de
datos
- Escala de Inteligencia de Wechsler para
Niños - Cuarta Edición (WISC-IV) en su adaptación para Buenos Aires (Taborda, Barbenza
y Brenlla, 2011). Se trata de un instrumento
de administración individual para evaluar la
inteligencia de niños o adolescentes de entre 6
años 0 meses y 16 años 11 meses (6:0 - 16:11).
El WISC-IV consta de 10 subtests principales
y 5 subtests optativos y otorga puntuaciones
compuestas que proveen información sobre
el funcionamiento intelectual en cuatro áreas
cognitivas específicas (Puntuaciones Índice) y
un Cociente Intelectual Total (CIT), tal como fue
descripto en Figura 1.
Su fiabilidad y validez ha sido estudiada
tanto en EE.UU (Wechsler, 2003) y España
(Wechsler, 2005) como en Argentina, en los
cuales se encontraron evidencias satisfactorias de las propiedades psicométricas del
WISC-IV. En términos resumidos, para nuestro
medio, las evidencias de consistencia interna
-estimadas a partir del método de división por
mitades- muestran coeficientes entre 0.79 y
0.90 y los de estabilidad test-retest, entre 0.77
WISC-IV puntuaciones compuestas y modelos CHC
y 0.86, así como adecuada discriminación entre
grupos clínicos y evidencias satisfactorias de
validez interna. Al igual que en el estudio de
E.E. U.U., se observó que de los cinco modelos
propuestos para el análisis de las puntuaciones
del test, el más consistente resultó el de cuatro
factores, debido a que el modelo de 5 factores
no mejoró significativamente al de 4 y estuvo
formado por un sola prueba (Aritmética). Para
una descripción detallada de los procedimientos, consúltese la edición publicada por Paidós
(Wechsler, 2011). Dichos procedimientos y
resultados fueron evaluados y aprobados por el
comité científico de la editora norteamericana.
mos constructos en distintos grupos de edad,
tal como ocurre en la versión norteamericana,
(b) analizar si la estructura de puntuaciones
compuestas de cuatro dominios específicos y
un factor general postulada por los autores del
WISC-IV se replica en nuestro medio y (c) poner
a prueba el modelo alternativo basado en la CHC
propuesto por Keith et al.(2006) y por Chen et al.
(2009). Para realizar una exposición ordenada,
cada objetivo se brinda en forma de pregunta
y luego se describen los resultados obtenidos.
Procedimiento
¿La adaptación Buenos Aires del WISC-IV
evalúa los mismos constructos en distintos
grupos de edad, tal como ocurre en el estudio
original?
Entre diciembre de 2009 y noviembre de
2010 se recolectaron 1437 casos de sujetos
de 6 a 16 años. Cada uno fue administrado
individualmente por un evaluador entrenado a
tal fin. Se llevaron a cabo cursos de capacitación
para la administración y puntuación del test. Se
solicitó el consentimiento del padre, madre o
tutor del niño a fin de cumplir con los requerimientos éticos de investigaciones en psicología.
Se registró el nivel educativo alcanzado por los
padres o tutores así como los datos del niño
incluidos en la Hoja de Registro.
La identificación de los niños que reunieran
los requisitos de inclusión de la muestra de
tipificación se realizó a través de reclutadores
entrenados (70%) y de examinadores independientes (30 %), a cargo de tres grupos de
distintas unidades académicas.
Los datos de la muestra de tipificación sirvieron para construir bases de datos en planillas
Excel y bajo la plataforma del programa Statistical Package for Social Sciencies 18 (SPSS
18). En cuanto a las técnicas de análisis de
datos, se utilizaron modelos de Análisis Factorial
Confirmatorio (AFC), que permiten contrastar
la validez ajustando un modelo teórico previamente estipulado y diagnosticando su bondad
de ajuste a través de distintos índices. En este
modelo, cada ítem satura únicamente sobre el
factor-dimensión del que se supone que constituye un indicador válido. Para su cálculo se
utilizó el programa AMOS 18 (Arbuckle, 2009).
La primera cuestión que se analizó fue si
los subtests del WISC-IV evalúan los mismos
constructos en los distintos grupos de edad para
lo cual se aplicaron métodos de AFC multigrupo.
Al igual que en los estudios de Keith et al. (2006)
y Chen et al. (2009), el primer paso consistió
en comparar la equivalencia de las matrices de
covarianza de los subtests según los rangos
de edad considerados (6-7 años; 8 a 10 años;
11 a 13 años y 14 a 16 años). En un segundo
paso se analizó la invariancia de un modelo
estructural específico, para lo cual las matrices
de varianza y de covarianza se calcularon a fin
que sean similares en los distintos grupos de
edad. El modelo resultante se acopló bien a los
datos, ya que presentó buenos índices de ajuste
(SRMR = .05; RMSEA = .05; TLI = .94; NFI = .92).
Esto significa que, respecto de los subtests del
WISC-IV, las correlaciones observadas en la
muestra y las predichas por el modelo difieren
en promedio solo en un .05 –que es la interpretación usual de SRMR-. Ello sugiere que,
independientemente del nivel de edad, las puntuaciones que obtuvieron los niños en el WISCIV expresan claros e invariantes patrones de
correlaciones entre los subtests. En este sentido
los hallazgos en cuanto a la estructura interna
del WISC-IV son aplicables a todas las edades
y refrendan la estructura de puntuaciones compuestas propugnada por los autores originales
del test (Wechsler, 2003) y otros alternativos
que presenten evidencias sólidas de validez.
Resultados
¿La adaptación Buenos Aires del WISC-IV
evalúa cuatro dominios diferenciados y un factor
general de inteligencia, tal como se propone en
el estudio original?
Los objetivos principales de este estudio
fueron (a) valorar si el WISC-IV evalúa los mis-
189
Ciencias Psicológicas 2013; VII (2): 183 - 197
Tal como se indicó en la introducción, el
WISC-IV propone que la interpretación del test
se realice sobre la base de las puntuaciones
compuestas de cociente intelectual e índices
de dominios específicos. Para comparar si esta
estructura de puntuaciones es válida en nuestro
medio, se utilizaron técnicas de AFC para analizar el comportamiento de los subtests principales y optativos en la muestra de Buenos Aires. A
diferencia de lo realizado en oportunidad de los
estudios de validez anteriores (Taborda et al.,
2011), en los que se trabajó con un análisis de
factores relacionados, en este caso, se analizó
un modelo jerárquico constituido por un factor
general, cuatro factores correspondientes a CV,
RP, MO y VP y, como variables observadas, las
puntuaciones a los 15 subtests del WISC-IV.
En la Figura 3 se muestra la solución hallada para el modelo de 4 factores mediante
la aplicación del método de análisis factorial
confirmatorio (AFC).
Puede notarse que los coeficientes de regresión estandarizados confirman los factores
que se conjeturaron (CV, RP, MO y VP) y que
los que tienen mayor carga en g son los de
Comprensión Verbal (β = .86), Razonamiento perceptivo (β = .91) y Memoria operativa
(β = .89) en tanto que, Velocidad de procesamiento (β = .54), es el de menor carga en g. Es
de resaltar que todos los coeficientes son muy
altos y que las cargas factoriales de los subtests
se ajustan con nitidez a la estructura de puntuaciones compuestas ideada en el WISC-IV.
Por ejemplo, los coeficientes de los subtests
que componen el índice de Comprensión verbal
tienen cargas factoriales que oscilan entre .69 a
.81; los de Razonamiento perceptivo, entre .60 a
.70, los de Memoria operativa, de .61 a .73 y los
de Velocidad de procesamiento, entre .43 a .74.
Además, todas las asociaciones especificadas
por el modelo mostraron un peso significativo
(p < .001) sobre el factor en cuestión.
Figura 3. Estructura factorial de la adaptación Buenos Aires del WISC-IV según el modelo de
Puntuaciones Compuestas (Wechsler, 2003)
190
WISC-IV puntuaciones compuestas y modelos CHC
Para la evaluación de la bondad de ajuste,
se analizaron estadísticos de ajuste absoluto,
relativo y parsimonioso. Entre los primeros, las
medidas más utilizadas son el estadístico χ2
o índice de razón de verosimilitud y el índice
goodness-of-fit (GFI). El primero solo indica la
significación estadística del modelo completo
y permite contrastar la hipótesis nula de que
todos los errores de éste son nulos, vale decir,
que hay un ajuste total entre el modelo teórico
y la muestra utilizada. Por tanto es deseable no
rechazar la hipótesis nula. El modelo produjo
una χ2 significativa (384.250, p < .001). Como
es conocido, el índice χ2 raramente es utilizado
como prueba única o concluyente de bondad
del ajuste de un modelo ya que se basa en
la hipótesis excesivamente restrictiva de que
S es igual a Σ. Además, en muchos casos, la
distribución de los datos no se ajusta a una
distribución χ2 o su valor está influenciado por
el tamaño de la muestra (Arias, 2008; Tanaka,
1993; The Structural Equation Modeling
Discussion Network [SEMNET] , 2010). Por ello,
muchos autores (Arbuckle, 2009; Tanaka, 1993)
recomiendan examinar no solo la significación
sino también la magnitud del χ2 a través del
índice χ2 /gl, donde los grados de libertad se
utilizan como un estándar para juzgar si ese
valor de χ2 es grande o pequeño. Se consideran
excelentes los valores entre 1 y 2 (Stahl,
2010), buenos los menores a 3 (Tabachnik &
Fidell, 2001), aceptables a los comprendidos
entre 3 y 5, sobre todo si el análisis se realiza
sobre muestras grandes como es este caso y,
rechazables, si son mayores que 5 (Bentler &
Bonnet, 1980). De acuerdo a estos criterios,
este índice reflejó valores aceptables (4.46),
en la muestra total (n = 1437) y, cuando se
replicó el mismo análisis según los grupos de
edad – que incluían menos casos –, los valores
obtenidos fueron muy buenos ya que oscilaron
entre 1.5 y 2.5.
Por su lado, el GFI mide la cantidad de
varianza y covarianza en la matriz observada
que está predicha por la matriz reproducida. Se
recomienda que su valor sea igual o mayor a
.95 (Arbuckle, 2009; Ruiz, Pardo y San Martín,
2010), por lo que el valor obtenido (.96) puede
ser considerado muy bueno. El otro índice
de ajuste absoluto que se evalúa es el AGFI
(adjusted goodness-of-fit). El AGFI es el índice
GFI ajustado por los grados de libertad y permite
comparar el modelo propuesto con un modelo
nulo que se toma de referencia. Este modelo
nulo estipula la falta absoluta de asociación entre
las variables y es calculado por el programa
AMOS por defecto. El AGFI indica la proporción
de la varianza explicada por el modelo y su
valor de referencia es de β.95 (Arbuckle, 2009;
Tabachnik & Fidell, 2001). Como puede notarse
el valor obtenido ( .95) indica un muy buen ajuste
según los criterios establecidos.
El RMSR (Root mean square residual), es
la raíz cuadrada de la media de los residuos
entre los elementos correspondientes a la matriz
observada y a la reproducida. Si los residuos
se aproximan a 0, el valor de RMSR será cero
que se interpreta como un ajuste perfecto. Por
lo general, los valores de β. 05 se consideran
“premonitorios” de un buen ajuste aunque se
consideran aceptables –sobre todo con muestras grandes– los valores ≤ 08. En este caso, el
valor fue de .08, que indica un ajuste aceptable
entre el modelo propuesto y la matriz de observaciones. El RMSEA es un índice del error de
aproximación medio cuadrático a valores de la
población. De acuerdo con Arbuckle (2009) los
valores de ≤.08 indican que el modelo ajusta
apropiadamente. Así, los índices obtenidos
(.047; .044 – .054 p .670) indican que existe un
67% de probabilidad de que el valor real sea
menor a .05.
El NFI es un índice de ajuste comparativo y
se interpreta como un porcentaje de incremento
en la bondad de ajuste sobre el modelo nulo. Por
ejemplo, un NFI de .90 sugiere que el modelo
propuesto ajusta 90% mejor que el nulo. Usualmente se toma como valor de referencia un NFI
≥ 95, por lo que el índice obtenido ( .95), refleja
un buen ajuste. De igual manera, el Comparative
Fit Index (CIF) – análogo al anterior – mostró
valores considerados de buen ajuste ( .96). En
conjunto, los resultados obtenidos a partir del
AFC indican que la estructura de puntuaciones
compuestas de la adaptación argentina del
WISC-IV se ajusta a la idea de que el test evalúa un factor general de la inteligencia y cuatro
dominios específicos, tal como fue propuesto en
la edición original (Wechsler, 2003).
¿La adaptación Buenos Aires del WISC-IV
evalúa las habilidades de acuerdo a la teoría
CHC?
Para contestar a esta pregunta se realizaron
AFC de las puntuaciones de la muestra de
tipificación argentina reagrupando los ítems
según los dominios supuestos por la CHC.
191
Ciencias Psicológicas 2013; VII (2): 183 - 197
Se tuvo en cuenta tanto el modelo de Keith et
al. (2006) como el de Chen et al. (2009) que se
ilustraron en la Figura 2.
El primer modelo no produjo una solución satisfactoria. Se registraron varianzas
negativas y la inspección de los coeficientes
beta estandarizados indicó que el subtest
Matrices presentó cargas negativas y exiguas en razonamiento fluido (-.03) y cargas
positivas y significativas en procesamiento
visual (.75), estimación contraria al modelo
propuesto por Keith et al.(2006). Estos rasgos
hacen que la solución hallada no sea admisible.
En cambio, el modelo propuesto por Chen
et al. (2009) presentó un buen ajuste. Todos los
coeficientes estandarizados van en la dirección
esperada, sus valores son, por lo general,
medios o altos y estadísticamente significativos.
En la figura 4 se muestra la solución hallada.
Se observa que los coeficientes de regresión
estandarizados confirman los factores que
se conjeturaron (procesamiento visual;
razonamiento fluido; habilidad cristalizada;
memoria y velocidad de procesamiento) y
que los que tienen mayor carga en g son
Procesamiento visual (β = .96), Razonamiento
fluido (β = .95), Habilidad Cristalizada (β = .80)
y Memoria (β = .79) mientras que el de menor
carga es Velocidad de Procesamiento (β = .46).
Los índices de bondad de ajuste calculados
son similares a los obtenidos para el modelo
de puntuaciones compuestas del WISC-IV
(χ2/gl = 4.15, GFI = .96, AGFI = .95, RMSEA = .04
[LO90 = .042 / HI90 = .052, p .833], RMSR = .07,
NFI = .95 y CFI = .97). En la Tabla 1 se brindan
los datos de ambos modelos: puntuaciones
WISC-IV y Modelo CHC de Chen et al. (2009).
A pesar de esta similitud en cuanto al ajuste
empírico, hay que señalar que en el modelo
CHC alternativo las cargas factoriales son menos nítidas que las observadas en el del WISCIV. Por ejemplo, el modelo CHC supone que las
Figura 4. Estructura factorial de la adaptación Buenos Aires del WISC-IV según el modelo CHC de
Chen et al.(2009)
192
WISC-IV puntuaciones compuestas y modelos CHC
Tabla 1
Estadísticos de bondad de ajuste modelos WISC-IV y CHC alternativo
χ²
gl
GFI
AGFI
NFI
CFI
RMSEA
SRMR
WISC-IV
Puntuaciones
384.250
86
.96
.95
.95
.96
.04
.08
CHC Modelo
Chen et al.
341.008
82
.96
.95
.95
.97
.04
.07
Modelo
tareas de Búsqueda de símbolos tendrán una
carga compartida entre el procesamiento visual
y la velocidad de procesamiento. Si bien los
resultados así lo indican, los coeficientes son
bajos para el primero (β = .17) pero sustantivos
para el segundo (β = .59). De manera análoga,
Aritmética tiene una carga baja en inteligencia
cristalizada (β = .29) y más alta para Memoria
(β = .47) y, Semejanzas, cargas muchos más
importantes en Habilidad cristalizada que en
Razonamiento fluido (β = .70 y β = .12, respectivamente). Además, hay que notar que Matrices
–que en el modelo de Keith se agrupaba con
Aritmética y Conceptos y que había presentado
varianza negativa con Razonamiento fluido– registró coeficientes altos y significativos en este
dominio (β = .70).
Construcción con Cubos: razonamiento
perceptivo, específicamente, procesamiento
visual.
Completamiento de Figuras: razonamiento
perceptivo y, secundariamente, procesamiento
visual.
Conceptos y Matrices: razonamiento perceptivo, particularmente, el razonamiento fluido.
Retención de Dígitos, Letras y Números:
memoria operativa y de corto plazo.
Aritmética: memoria operativa y de corto
plazo y, secundariamente, la habilidad cristalizada.
Clave y Animales: velocidad de procesamiento.
Búsqueda de Símbolos: velocidad de procesamiento y, secundariamente, procesamiento
visual.
¿Qué evalúan los subtests de la adaptación
Buenos Aires del WISC-IV?
Discusión y Conclusiones
Como se indicó, tanto el modelo de puntuaciones compuestas del WISC-IV como el
modelo CHC de Chen et al.(2009) reflejaron
buenos o muy buenos índices de ajuste a
los supuestos teóricos establecidos a priori.
En consecuencia ambos proveen inferencias
teóricas válidas acerca de la estructura interna
del WISC-IV. Dado que ello tiene importancia a
la hora de interpretar el test, a continuación se
describen cuáles son los procesos involucrados
en la resolución de las tareas de los subtests del
WSC-IV a fin que el profesional disponga de una
guía basada en el estudio de los dos modelos
alternativos de inteligencia en la muestra de
tipificación de Buenos Aires.
Semejanzas: En virtud del análisis de los
modelos WISC-IV y CHC, puede considerarse
que este subtest mide, primariamente, la comprensión verbal y la inteligencia cristalizada y,
secundariamente, el razonamiento fluido.
Vocabulario, Comprensión, Información y
Adivinanzas: comprensión verbal, inteligencia
cristalizada.
Los resultados a los que se arribó en este
estudio permiten decir que tanto la estructura
de puntuaciones compuestas propuesta por los
autores del WISC-IV como el modelo alternativo
CHC resultan igualmente significativos para
interpretar las puntuaciones del test y que las
inferencias son aplicables a todas las edades
consideradas –6 a 16 años–.
En este sentido, el estudio factorial confirmatorio realizado en Buenos Aires replica
los hallazgos del estudio original en cuanto a
la consistencia del modelo de cuatro factores
en distintos grupos de edad (Wechsler, 2003),
coincide con el llevado a cabo en Taiwan (Chen
et al., 2009) en el que tanto el modelo propuesto
en el WISC-IV y el basado en la teoría CHC presentan ajustes satisfactorios y difiere del estudio
de Keith et al. (2006), que sostiene que otro
modelo inspirado en la CHC es más sustantivo
que el de cuatro factores para la interpretación
del WISC-IV.
En particular, los resultados de nuestro
estudio revelan que los subtests Aritmética,
193
Ciencias Psicológicas 2013; VII (2): 183 - 197
Matrices, Completamiento de figuras y Búsqueda de símbolos presentan cargas factoriales
compartidas en ambos modelos. Aritmética
puede considerarse primariamente como una
medida de memoria operativa tal como postula
el modelo WISC-IV pero también de habilidad
cristalizada. Matrices, refleja primariamente
el razonamiento perceptivo y el razonamiento
fluido mientras que Búsqueda de símbolos y
Completamiento de figuras expresan la habilidad en tareas de procesamiento visual. De este
modo, los resultados de este estudio avalan la
idea de una visión integrativa entre los modelos
WISC-IV y CHC para la interpretación de las
puntuaciones del test.
Además los resultados sugieren que el
razonamiento fluido es, al igual que los cuatro
dominios propuestos en el WISC-IV, una excelente medida de g en tanto que el factor de
Velocidad de Procesamiento es el que menos
contribuye a su explicación. Entre los subtests,
Semejanzas, Vocabulario, Construcción con
cubos, Conceptos, Aritmética, Matrices, Letras
y Números y Retención de dígitos representan
una porción importante de la varianza explicada
y, en ambos modelos, Animales es el de menor
peso explicativo.
Así como se han encontrado estas coincidencias sustanciales con las investigaciones de
la versión original del WISC-IV (Wechsler, 2003)
y con el estudio de Taiwan (Chen et al., 2009),
también se hallaron discrepancias con otros.
En especial, algunos resultados son claramente diferentes de los informados por Keith et al.
(2006) para la muestra norteamericana. El desmembramiento de la medida de Razonamiento
perceptivo en los factores de Procesamiento
visual y de Razonamiento fluido propugnado por
Keith en su modelo ajusta satisfactoriamente
en la población infantil de EE.UU pero no en la
muestra de Buenos Aires ni en la de Taiwan. Si
bien se observó en los dos estudios que Construcción con cubos y Completamiento de figuras
cargan sobre Procesamiento visual y Matrices
y Conceptos sobre Razonamiento fluido no
obstante, las puntuaciones obtenidas por los
niños revelan una correlación más importante
y significativa entre ambos que la observada
en el país de origen. Tomando un argumento
de Chen et al. (2009) podría conjeturarse que
cuando a los niños se les presenta un estímulo
visual, podría activarse casi automáticamente
la pizarra viso-espacial del sistema de memoria
operativa (Baddeley, 2003) y poner en marcha
194
así los procesos del razonamiento fluido. De
esta manera, tanto la interpretación basada en
el modelo WISC-IV –razonamiento perceptivocomo el modelo alternativo CHC de Buenos
Aires y Taiwan –que propone la consideración
de dos factores relacionados- son igualmente
sustantivos para el análisis de las puntuaciones.
Otra discrepancia de interés es la encontrada respecto de Completamiento de figuras (CF).
Keith et al. (2006) reportaron cargas cruzadas
de este subtest en Procesamiento visual ( .42) y
en Habilidad cristalizada ( .31) mientras que, en
nuestro estudio, las cargas fueron importantes
para el primero ( .61) y no significativas para
la segunda. Como se indicó, en EE.UU. los
valores son cercanos y moderados en cambio,
en las muestras de Buenos Aires y de Taiwan,
la carga principal recae sobre el procesamiento
visual pero no sobre la inteligencia cristalizada.
Como recordará el lector, en CF el entrevistado
tiene que decir que parte le falta a un dibujo que
se presenta en láminas de colores por lo que
la tarea propuesta requiere de concentración,
memoria, análisis y síntesis visuales y conocimiento visual adquirido. En este sentido, la tarea
se comparece con la definición de McGrew
(2009) acerca del procesamiento visual como la
“habilidad para generar, almacenar, recuperar y
transformar sensaciones e imágenes visuales”
más que con una asociación con la inteligencia
cristalizada como indicaba el estudio de Keith
et al. (2006). Además, el hecho que la carga
fuera nítida coadyuva a considerar que CF es
una tarea definida de procesamiento visual noverbal. Por lo tanto, los resultados de Buenos
Aires y Taiwan en cuanto a la pregnancia del
procesamiento visual en CF son teóricamente
consistentes y pueden contribuir a la comprensión de los procesos psicológicos implicados
en este subtest.
De acuerdo con el citado estudio de
Keith, en el subtest de Aritmética (Ar), los niños norteamericanos puntúan de manera tal
que puede considerarse como una medida del
razonamiento fluido. Si bien ello coincide en
parte con el análisis realizado en nuestro medio,
también es verdad que los resultados muestran
ciertas diferencias cuando se analiza en forma
conjunta la influencia de otros factores. Tanto
en la muestra de Buenos Aires como en la de
Taiwan, Aritmética mostró cargas compartidas
con la Inteligencia cristalizada (.29 y .30, respectivamente) y con la Memoria de corto plazo
(.47 y .51, en el mismo orden), por lo que estos
WISC-IV puntuaciones compuestas y modelos CHC
factores parecen ser más importantes que otros
en su explicación. Estas discrepancias respecto de qué evalúa Ar ya se habían identificado
en estudios previos con el WISC-III, donde se
mostró que este subtest evaluaba razonamiento
fluido pero también inteligencia cristalizada y
memoria de corto plazo (Keith & Witta, 1997).
Además, como señalan Keith et al. (2006) en
las limitaciones de su estudio, el hecho de no
haber contado con medidas específicas de
razonamiento numérico (RN) pudo haber distorsionado los resultados ya que la evidencia
previa ha mostrado que cuando se incluyen
medidas de RN –por ejemplo, rendimiento en
matemáticas- Aritmética carga en razonamiento
numérico pero no en fluido.
Keith et al. (2006) indican que diversas condiciones pueden afectar el rendimiento en este
subtest, tales como los programas escolares de
matemáticas o el nivel de sofisticación para la
resolución de problemas. Hay que recordar que
la inteligencia cristalizada se relaciona significativamente con el conocimiento adquirido en el
sistema escolar en tanto que el razonamiento
fluido implica manipular abstracciones, reglas,
generalizaciones y relaciones lógicas. Según
estos datos, los mecanismos y procesos que
subyacen a este subtest podrían ser diferentes
para los niños de EE.UU. y de las muestras de
Buenos Aires y de Taiwan. Así, las puntuaciones
en Aritmética en esta investigación parecen
depender más de los conocimientos adquiridos
y el entrenamiento previo que de la aplicación
de leyes lógicas.
¿Qué representan estos datos? ¿qué la
resolución de estos problemas se relaciona con
conocer los procedimientos específicos que se
aprenden en la escuela, con la comprensión verbal y con el procesamiento auditivo de los enunciados más que con procesos de deducción o
inducción lógicas? Sea cual fuere la respuesta,
lo interesante es que en culturas tan distintas
como la argentina y taiwanesa se encontraron
similitudes en la estructura factorial del WISC-IV
que difieren en algunos puntos importantes con
la hallada en el estudio norteamericano.
Si bien los análisis factoriales son de importancia para clarificar la naturaleza de los constructos que se pretenden evaluar no hay que
perder de vista, tal como indican Prifitera, Weiss,
Saklofske y Rohlfus (2005), que el análisis factorial es solo una herramienta para conocer cuál
es la mejor manera de interpretar las relaciones
entre los subtests y que, cuando se seleccio-
nan o eligen ciertos factores, ello debería estar
orientado por su potencial utilidad clínica y no
por un modo mecanizado de interpretar el test.
Por ejemplo, cuando el rendimiento de un niño
en las pruebas de razonamiento perceptivo sea
errático o inconsistente, el profesional debería
revisar las puntuaciones considerando su consistencia con los dominios de razonamiento
fluido o de procesamiento visual.
En términos globales, los resultados reseñados en este artículo proveen información
sólida para comprender la estructura interna
del WISC-IV y su relación con los procesos
cognitivos en distintas culturas. Si bien en
este trabajo se analizó una muestra amplia y
representativa de niños residentes en el Área
Metropolitana de Buenos Aires –cuya población
representa el 32% de la población argentina–,
no obstante se considera como una limitación
el que no abarque las otras regiones del país.
Asimismo, otra limitación es que este estudio se
focalizó en las habilidades del estrato general
y amplio indicadas por la CHC pero no exploró
las habilidades limitadas o próximas.
Como conclusión puede señalarse que
tanto la estructura de cuatro factores propuesta
por los autores del WISC-IV (Wechsler, 2003)
como el modelo alternativo basado en la teoría
CHC son enfoques sustantivos para realizar la
interpretación del WISC-IV en nuestro medio.
Además, los resultados de este estudio coadyuvan a la comprensión de cuáles son los constructos principales que evalúa el WISC-IV y qué
particularidades y diferencias se encontraron
respecto de los estudios de origen. En consonancia con ello, al realizar la interpretación de
las puntuaciones del WISC-IV, es importante
notar no solo las similitudes sino también las
discrepancias respecto de las habilidades cognitivas subyacentes en distintas culturas.
Referencias
Arbuckle, J. L. (2009). Amos 18 User’s Guide. Chicago,
IL.: SPSS Inc.
Arias, B. (2008). Desarrollo de un ejemplo de análisis factorial confirmatorio. Seminario de actualización en
investigación sobre discapacidad SAID 2008. Recuperado de http://www.benitoarias.com/articulos/
afc.pdf
Baddeley, A. (2003). Working Memory: Looking back and
looking forward. Nature Reviews Neurosciencie, 4,
829-839.
Bentler. P.M., & Bonett, D.G. (1980). Significance tests
and goodness-of-fit in the analysis of covariance
structures. Psychological Bulletin, 88, 588-606.
195
Ciencias Psicológicas 2013; VII (2): 183 - 197
Blaha, J., & Wallbrown, F. H. (1996). Hierarchical factor
structure of theWechsler intelligence scale for
children-III. Psychological Assessment, 8, 214-218.
Carroll, J. B. (1993). Human cognitive abilities: A survey
of factor-analytic studies. Cambridge, England:
Cambridge University Press.
Carroll, J. B. (1997). The three-stratum theory of cognitive
abilities. En D. P. Flanagan, J. L. Genshaft & P.
L. Harrison (Eds.), Contemporary intellectual
assessment: Theories, tests, and issues (pp. 122130). Nueva York: Guilford Press.
Cattell, R. B. (1941). Some theoretical issues in adult
intelligence testing. Psychological Bulletin, 38, 592.
Cattell, R.B. (1957). Culture fair intelligence test, a
measure of “g”: Scale 3, forms A and B (high school
pupils and adults of superior intelligence). Savoy,
IL: Institute for Personality and Ability Testing
Chen, H.Y., Keith, T.Z., Chen, Y.H., & Chang, B.S. (2009). What
does tne WISC-IV measure? Validation of the Scoring
and CHC.based Interpretative Approaches. Journal
of research in Education Sciencies, 54 (3), 85-108.
Cohen, R.J., y Swerdlik, M.E. (2000): Pruebas y
Evaluación Psicológicas. México: McGraw Hill
Gustafsson J. E., & Undheim J. O. (1996). Individual
differences in cognitive functions. En D. C. Berliner
& R. C. Calfee (Eds.), Handbook of educational
psychology (pp. 186-242), Nueva York: MacMillan.
Horn, J. L. (1985). Remodeling old models of intelligence.
En B. B.Wolman (Ed.), Handbook of intelligence:
Theories, measurement, and applications (pp. 267300). Nueva York: Wiley.
Horn, J. L. (1988). Thinking about human intelligence. En
J. R. Nesselroad & R. B. Cattell (Eds.), Handbook
of multivariate experimental psychology (pp. 645685). New York: Plenum Press.
Horn, J. L. (1991). Measurement of intellectual capabilities:
A review of theory. En K. S. McGrew, J. K. Werder
& R. W. Woodcock (Eds.), Woodcock-Johnson
technical manual (pp. 197-232). Itasca, IL: Riverside.
Horn, J. L. & Noll, J. (1997). Human cognitive capabilities:
Gf-Gc theory. En D. P. Flanagan, J. L. Genshaft
& P. L. Harrison (Eds.), Contemporary intellectual
assessment: Theories, tests, and issues (pp. 53-91),
Nueva York: Guilford Press.
Instituto Nacional de Estadísticas y Censos. (2001). Censo
nacional de población, hogares y vivienda 2001
Buenos Aires: Autor.
Instituto Nacional de Estadísticas y Censos. (2004).
Situación educacional de la población de Argentina
según el Censo 2001. Revista informativa del censo
2001. Número 1.
Jensen, A. R. (1998). The g factor: The science of mental
ability. Westport, CT: Praeger Publishers.
Jöreskog, K. G., & Sörbom, D. (1993). LISREL 8 User’s
Reference Guide. Chicago: Scientific Software
International.
Keith, T. Z. (1990). Confirmatory and hierarchical
confirmatory analysis of the differential ability scales.
Journal of Psychoeducational Assessment, 8(3),
391-405.
Keith, T.Z., Fine, J.G., Taub, G., Reynolds, M.R., & Kranzler,
J.H. (2006). Higher Order, Multisample, Confirmatory
Factor Analysis of the Weschler Intelligence Scale
for Children-Fourth Edition: What does It Measure?
School Psychology Review, 35 (1), 108-127.
196
Keith, T. Z., & Witta, E. L. (1997). Hierarchical and crossage confirmatory factor analysis of the WISC-III:
What does it measure? School Psychology Quarterly,
12, 89-107.
Marín.G. (1986). Metodología de la Investigación
Psicológica. Acta Psiquiátrica y Psicológica de
América Latina, 32, 3-5.
Martínez Arias, R. (1996) Psicometría: Teoría de los
Tests Psicológicos y Educativos. Madrid: Síntesis
McGrew, K., & Flanagan, D. (1998). The intelligence test
desk reference (ITDR): The Gf-Gc cross-batery
assessment. Boston: Allyn & Bacon.
McGrew, K. S. (2009). CHC theory and the human
cognitive abilities project: standing on the shoulders
of the giants of psychometric intelligence research.
Intelligence, a Multidisciplinary Journal, 37, 1-10.
Prifitera, A., Weiss, L.G., Saklofske, D.H., & Rolfhus, E.
(2005). The WISC-IV in the clinical assessment text.
En A. Prifitera, D.H. Saklofske & L.G. Weisss (Eds.),
WISC-IV clinical use and interpretation: Scientistpractitioner perspectives (pp. 3-32). San Diego, CA:
Academic Press.
Roid, G. H. (2003). Stanford-Binet Intelligence Scales,
Fifth Edition (SB:V). Itasca, IL: Riverside Publishing.
Ruiz, M. A., Pardo, A. y San Martín, R. (2010). Modelos
de ecuaciones estructurales. Papeles del psicólogo,
31(1),34-45.
Sattler, J. M. (2001). Assessment of children: Cognitive
applications (4ª ed.). San Diego, CA: Author.
Schneider, W. J., & McGrew, K. (2012) The CattellHorn-Carroll model of intelligence. En D. Flanagan
& P. Harrison (Eds.), Contemporary Intellectual
Assessment: Theories, Tests, and Issues (3a ed.).
(pp. 99-144) New York: Guilford.
Spearman, C. (1904). The Proof and Measurement of
Association between two things. American Journal
of Psychology, II, 72-73.
Spearman, C. (1927). The Nature of Intelligence and the
Principles of Cognition. New York: MacMillan.
Stahl, D. (2010). Introduction to Path Analysis and
Structural Equation Modelling with AMOS
Biostatistics and Computing. Recuperado de http://
www.kcl.ac.uk/iop/depts/biostatistics/teaching/
previouslecturenotes/amos/amosweek2.pdf
Tabachnick, B.G., & Fidell, L.S. (2001). Using Multivariate
Statistics, Fourth Edition. Needham Heights, MA:
Allyn & Bacon.
Taborda, A.R., Brenlla, M.E., & Barbenza, C. (2011).
Adaptación argentina de la Escala de Inteligencia
de Wechsler para Niños IV (WISC-IV) En D.
Wechsler (Ed.), Escala de Inteligencia de Wechsler
para Niños IV (WISC-IV) (pp.37-55). Buenos Aires:
Paidós.
Tanaka, J.S. (1993). Multifaceted conceptions of fit in
structural equation models. En K.A. Bollen & J.S.
Long (Eds.), Testing structural equation models.
(pp. 10-39) Newbury Park, CA: Sage.
The Structural Equation Modeling Discussion Network
(2010). The Structural Equation Modeling
Discussion Network Archives. Disponible en http://
www2.gsu.edu/~mkteer/semnet.html.
Triandis, H. C., Lambert, W. W., Berry, J. W., Brislin, R.
W., Draguns, J., Lonner, W., & Heron, A. (1980).
Handbook of cross-cultural psychology (6 vol.).
Boston, MA: Allyn & Bacon.
WISC-IV puntuaciones compuestas y modelos CHC
Wechsler, D. (1939). The Measurement of Adult Intelligence.
Baltimore, MD: Williams & Wilkins.
Wechsler, D. (1991). Wechsler intelligence scale
for children-third edition. San Antonio, TX: The
Psychological Corporation.
Wechsler, D. (2003). Wechsler intelligence scale for
children-fourth edition. San Antonio, TX: The
Psychological Corporation.
Wechsler, D. (2004).Wechsler Scale of Intelligence,
Fourth ed. London: Pearson Assessment
Wechsler, D. (2005). Escala de Inteligencia Wechsler para
Niños IV. (WISC-IV). Madrid: TEA.
Wechsler, D. (2011). Escala de Inteligencia de Wechsler
para Niños IV (WISC-V). Buenos Aires: Paidós.
Woodcock, R. W., McGrew, K. S., & Mather, N. (2001).
Woodcock-Johnson III Test. Riverside Publishing
Company. Itasca, IL. Terry L. Blackwell.
Para citar este artículo:
Brenlla, M.E. (2013). Interpretación del WISC-IV. Puntuaciones compuestas y Modelos CHC. Ciencias
Psicológicas VII (2): 183 - 197.
Recibido: 12/2012
Revisado: 06/2013
Aceptado: 08/2013
197